HY-2卫星扫描微波辐射计数据反演北极海冰漂移速度

王利亚，何宜军，张彪*，刘保昌

(1.南京信息工程大学 海洋科学学院，江苏 南京 210044)

HY-2卫星扫描微波辐射计数据反演北极海冰漂移速度

王利亚1，何宜军1，张彪1*，刘保昌1

(1.南京信息工程大学 海洋科学学院，江苏 南京 210044)

本文基于最大互相关法，利用海洋二号(HY-2)卫星扫描微波辐射计37 GHz通道多时相垂直极化亮温数据，获取了北极海冰漂移速度。采用2012年和2013年国际北极浮标计划海冰现场观测数据，对利用微波辐射计亮温资料反演的冬季北极海冰漂移速度进行了定量验证，结果表明：流速和流向均方根误差分别为1.12 cm/s和16.37°，从一定程度上说明了HY-2卫星扫描微波辐射计亮温数据反演海冰漂移速度的可行性。此外，使用美国国防气象卫星F-17搭载的专用微波成像仪91 GHz通道垂直极化亮温，采用高斯拉普拉斯滤波方法进行处理，结合最大互相关法反演的海冰漂移速度，优于法国海洋开发研究院海冰漂移速度产品。

最大互相关法；微波辐射计；北极海冰漂移速度

1 引言

海冰在极地以及全球气候系统中扮演着重要角色，它作为隔离层影响着海洋大气的热量动量传输，且其冻融过程在全球热盐环流中对淡水通量有一定的影响[1—2]。海冰是海洋活动的主要威胁，为了保证航行安全需要了解海冰状况，同时海冰漂移也是沉淀物和污染物传输的重要组成部分[2—3]。

海冰漂移是由风和海表面流共同驱动的，短期移动由天气系统主导，长期移动需要考虑海流[4]。在弱潮流区，由风驱动的海冰漂移速度大小约是风速的1/50，且在北半球漂移方向为风向右侧30°～40°，在南半球漂移方向为风向左侧，在强潮流区，因有风力和潮流共同作用，海冰漂移更加复杂。北极海冰漂移的主要特征是从西伯利亚海岸经过北极点传输到弗拉姆海峡的穿极漂流和波弗特海域的反气旋式移动[4]。

由于极地环境恶劣，获取实测资料非常困难，建立极地科考站、利用潜艇或船只、放置漂流浮标等可以收集海冰数据，但这些方法只能得到小面积的海冰信息。随着航空航天技术的发展，利用卫星遥感手段能够有效收集大面积的海冰信息，其中就包括海冰的漂移速度。反演海冰漂移速度使用的资料主要来自于微波辐射计[4—12]、微波散射计[2—4，13]、雷达[14—22]、光学传感器[23]等。

国内外学者已经开展了多种遥感资料反演海冰漂移速度的研究。Ninnis等[5]首先将最大互相关(Maximum Cross Correlation，MCC)方法应用于甚高分辨率辐射计(Advanced Very High Resolution Radiometer，AVHRR)数据，自动地反演了波弗特海域海冰漂移速度，证明了MCC方法可有效反演海冰漂移场，但没有去除空间不连续的速度矢量。随后的一些研究将此方法应用于高分辨率、全天候的合成孔径雷达图像对，成功绘制了移动大且旋转小的海冰的流动图[17，22]。Kwok等[24]利用地球物理学处理系统反演海冰移动信息，该系统混合了基于特征和基于区域的图像匹配算法，不仅很好计算了旋转小的浮冰中央区域，也有效反演了变化复杂的海冰边缘移动信息。Emery等[7]为了有效去除空间不连续的海冰漂移速度，将MCC方法与空间滤波技术相结合，利用AVHRR数据反演了北极弗拉姆海峡海冰速度，但是AVHRR数据受云污染有空间缺口。黄润恒等[8]处理AVHRR资料得到辽东湾海冰表观位移的空间分布，指出选取模板时利用人机交互式特征跟踪比计算机自动跟踪更能反映流冰位移的实际情况，减小了匹配错误的概率，此方法对空间分辨率高的资料有效。Agnew等[25]证明了专用微波成像仪(Special Sensor Microwave Imager， SSM/I)85 GHz亮温数据可以反演全北极海冰漂移信息。Liu和Cavalieri[10]及Zhao等[26]先后用SSM/I 85 GHz亮温数据和散射计数据通过二维高斯小波变换法获得了南北极海冰漂移速度，为海冰信息反演提供了新的方法。Kwok等[9]首次证明SSM/I 37 GHz频段数据也能够反演海冰移动，这对只有低频段的扫描多通道微波辐射计(Scanning Multichannel Microwave Radiometer，SMMR)和HY-2卫星扫描微波辐射计研究有意义。由于资料分辨率低，获得的速度场稀疏。孙鹤泉等[18]，邵若莉等[19]分别使用航海雷达利用MCC方法反演了我国渤海海冰漂流场，对我国海冰观测与预报很重要。吴龙涛等[23]用中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer，MODIS)资料反演渤海冰漂移场，并研究其与海面风速和流速关系，弥补了局地、单点海冰观测的局限性。Girard-Ardhuin和Ezraty[4]结合散射计和辐射计数据，反演了融合的海冰漂移场，提高了位移估计的可靠性，获得更密集的海冰漂移场，为海冰漂移研究提供了新思路。

本文首次使用HY-2卫星扫描微波辐射计37 GHz垂直极化亮温，用MCC方法获得了北极海冰漂移速度场，并与浮标测得的海冰移动速度和方向一致，说明了HY-2卫星扫描微波辐射计在探测海冰漂移方面的可行性。为解决速度稀疏问题，减小模板移动间隔，且在实验过程中发现，使用高斯拉普拉斯滤波技术可以得到密集度较大的速度场。

2 数据和方法

2.1 卫星与现场观测数据

2011年8月发射的HY-2卫星是我国第一颗海洋动力环境卫星，集主、被动微波遥感器于一体，具有高精度测轨、定轨能力与全天时、全天候、全球连续探测能力，能够实现全球海洋高精度、多要素同步测量。HY-2卫星搭载着微波散射计、雷达高度计、扫描微波辐射计和校正微波辐射计以及DORIS、双频GPS和激光测距仪。其中扫描微波辐射计可以用于极区海冰监测，它有5个频段，分别是6.6 GHz、10.7 GHz、18.7 GHz、23.8 GHz和37 GHz，除了23.8 GHz只有垂直极化方式，其余4个频段都有垂直和水平极化两种方式，传感器扫描刈幅大于1 600 km，灵敏度在37 GHz频段优于0.8 K，其余频段优于0.5 K[27]。

本文使用的数据包括国家卫星海洋应用中心提供的HY-2卫星扫描微波辐射计37 GHz网格化亮温数据，是在Level2A产品基础上，经过平均处理获得的Level3级亮温产品，分辨率为25 km[28]。垂直极化与水平极化相比，不易产生极化电流，从而避免能量大幅衰减，因此仅使用垂直极化资料。辐射计数据覆盖全北极，且不受光照影响，雷达和光学传感器虽然分辨率高，但观测范围小，且光学传感器因光照限制，不能全天时观测。美国冰雪中心(National Snow and Ice Data Center，NSIDC)提供了海冰密集度、经纬度、陆地、海岸线、国际北极浮标计划(International Arctic Buoy Program，IABP)每日浮标海冰移动数据、海冰漂移速度反演数据，目前可获得的2012年和2013年NSIDC海冰漂移速度，是用相邻两天专用微波成像仪(Special Sensor Microwave Imager/Sounder， SSMIS) 91 GHz水平和垂直极化、37 GHz水平和垂直极化亮温分别反演海冰移动，融合后得到的每日产品，当低频与高频亮温反演的海冰漂移速度位于同一经纬度时，舍去低频亮温反演结果。除了浮标数据，其余数据分辨率均为25 km。法国海洋开发研究院(French Research Institute for Exploitation of the Sea，IFREMER)由SSMIS 91 GHz垂直极化亮温反演的间隔6 d北极海冰漂移速度产品，分辨率为62.5 km。

2.2 研究方法

2.2.1 高斯拉普拉斯滤波

在反演海冰漂移速度前，使用高斯拉普拉斯(Laplacian of Gaussian， LOG)算子与亮温图像进行滤波运算。LOG算子来源于Marr视觉理论中提出的边缘提取思想[29]，即先对原始图像作高斯平滑处理，最大程度抑制噪声，再求其拉普拉斯二阶导数的零交叉点获得图像或物体边缘[30]。

设原图像为f(x,y)，通过卷积运算和拉普拉斯算子，得到输出图像：

h(x,y)=2(G(x,y)⊗f(x,y))，

(1)

h(x,y)=2G(x,y)⊗f(x,y)

(2)

2.2.2 最大互相关法

利用一组连续的亮温图像和MCC方法计算海冰的位移，用位移除以时间间隔即为海冰的漂移速度。

大小为M×N的两个函数f(x,y)和h(x,y)的相关系数定义如下[31]：

r=f(x,y)∘h(x,y)

(3)

式中，∘表示相关；f*表示f的复共轭，一般处理的是实函数，即f*=f。

根据相关定理，公式(3)可表示为：

f(x,y)∘h(x,y)⟺F*(u,v)H(u,v).

(4)

通过公式(4)计算相关系数，对f进行傅里叶变换并取其复共轭得到F*(u,v)，对h进行傅里叶变换得到H(u,v)，结果相乘并进行傅里叶逆变换即得到相关系数f(x,y)∘h(x,y)。一般认为相关系数|r|<0.3为低度相关，0.3≤|r|≤0.8为中度相关，0.8<|r|≤1为高度相关[32]。

2.2.3 海冰漂移速度反演

利用分辨率为25km的D天和D+14天的HY-2卫星扫描微波辐射计37 GHz垂直极化网格化亮温反演海冰漂移速度，为使待探测速度的最小值约为2 cm/s，选取时间间隔为14 d。经过多次实验确定下列设定值，反演步骤如下：

首先，读取D天和D+14天网格亮温，并将亮温矩阵转变为灰度级矩阵；

第二，对灰度矩阵进行11×11像素高斯拉普拉斯滤波，平滑图像噪声并锐化图像边缘；

第三，在D天图像中选取模板，模板大小为11×11像素，为使速度场分辨率较高，间隔2个像素移动模板，因亮温数据分辨率为25 km，海冰漂移速度场分辨率即为50 km。计算模板与D+14天图像对应区域(D天图像中模板的位置向四周扩大9个像素区域)的相关系数，求出最大相关系数，如果最大相关系数大于0.6，其位置即为匹配点，如果最大相关系数小于0.6或有两个(及以上)的最大值，说明没有找到匹配点或匹配无效，不再参与下面的速度计算。利用模板中心和匹配点经纬度信息计算海冰位移，除以时间间隔14 d，得到海冰漂移速度；

第四，因14 d内海冰密集度变化小，利用D天海冰密集度资料去除海冰密集度小于15%的区域的海冰漂移速度，并进行陆地掩膜和海岸线掩膜。

第五，速度场的空间一致性控制在35×35像素区域，可有效去除在海冰密集度小或者靠近陆地的杂乱速度。在35×35区域内，速度大小和方向应没有很大的偏离值，选出海冰速度大小与平均值的偏差超过两倍标准差的测定值，设为无效值，速度方向同理。

3 结果与验证

利用2013年10月24日至12月29日期间HY-2卫星扫描微波辐射计37 GHz垂直极化亮温数据，通过MCC法计算了该时间段内间隔14 d北极海冰漂移速度，并与14 d平均IABP浮标数据比较(对于每一个浮标，选择距之25 km内最近的反演海冰漂移速度进行匹配)，得到基本一致的结果，如表1和图1所示，本次共获得497组匹配数据，用卫星数据反演和浮标测量的海冰漂移速度的均值分别为5.92 cm/s和6.21 cm/s，方向的均值分别为171.57°和163.51°，相差小；两者速度大小偏差的均值为-0.29 cm/s，均方根误差为2.43 cm/s，相差很小，两者速度方向偏差的均值为12.92°，均方根为24.26°，说明了HY-2卫星扫描微波辐射计亮温资料可有效反演间隔14 d北极海冰漂移速度。图1中存在浮标速度明显大于反演速度的数据点，大部分位于格陵兰岛东侧，由于与北极中央区域相比，这里的冰面积小，但数据分辨率不高，模板面积大，匹配就不准确。考虑到其他海冰漂移反演研究没有去除这部分数据，所以在计算速度均方误差时没有将这些点排除在外。

表1 HY-2卫星扫描微波辐射计37 GHz垂直极化亮温反演的2013年10月24日至12月15日，时间间隔14 d北极海冰漂移速度大小和方向分别与浮标的比较

图1 HY-2卫星扫描微波辐射计37 GHz垂直极化亮温反演的2013年10月24日至12月15日期间间隔14 d北极海冰漂移速度大小和方向分别相对于浮标的测量速度大小和方向Fig.1 14-day lags Arctic sea ice drift retrieved from HY-2 Satellite scanning microwave radiometer 37 GHz vertical polarized brightness temperature versus buoy ice speed and ice drift direction respectively during October 24th to December 15th， 2013

为了展示在反演海冰漂移速度前对亮温资料进行滤波的必要性，且说明高斯-拉普拉斯滤波的效果优于IFREMER使用的拉普拉斯滤波加中值滤波，图2绘制了HY-2卫星扫描微波辐射计网格化亮温数据经过高斯-拉普拉斯滤波(图2a)、没有经过滤波(图2b)和经过拉普拉斯滤波加中值滤波(图2c)后反演得到的2013年11月19日至12月3日间隔14 d海冰漂移速度，图中黑色箭头为14 d平均IABP浮标海冰漂移速度。对比图2a、图2b和图2c，明显看出亮温数据经过高斯-拉普拉斯滤波处理后得到的速度场密度最大，其次为经过拉普拉斯滤波加中值滤波处理后得到的速度场，最差的是没有经过滤波处理得到的速度场，因为高斯-拉普拉斯滤波结合了高斯平滑滤波器和拉普拉斯锐化滤波器，先平滑掉噪声，再进行边缘检测，效果更好，因此反演海冰漂移速度前，有必要进行高斯-拉普拉斯滤波处理。

图2a中还可以看到北极海冰运动的两个主要特征：靠近加拿大的波弗特海中顺时针旋转的海冰运动，与由欧亚大陆穿越北极中心区域通过弗拉姆海峡沿着格陵兰岛东侧流向大西洋方向的穿极漂流。反演速度的最小值为2.07 cm/s，最大值为18.92 cm/s，平均值为7.90 cm/s，符合海冰漂移速度的典型值5～10 cm/s[5]。但是反演结果仍存在一些问题，在靠近陆地的海域，亮温信号受陆地污染严重，因此去除陆地周围50 km内的速度；由于北极点附近亮温数据缺测，该区域海冰漂移速度缺失；由于亮温数据分辨率低，靠近陆地区域以及弗拉姆海峡海冰漂移速度稀疏。

图2 HY-2卫星扫描微波辐射计亮温反演的2013年11月19日至12月3日北极海冰漂移速度Fig.2 Arctic sea ice drift map from HY-2 Satellite scanning microwave radiometer brightness temperature form November 19th to December 3rd， 2013a.经过高斯-拉普拉斯滤波; b.没有滤波; c.经过拉普拉斯滤波加中值滤波;黑色箭头代表浮标测量海冰移动速度a. Apply a Gauss-Laplacian filter; b. apply no filter; c. apply a Laplacian filter and median filter; black vectors indicate the ice velocity inferred by buoys

为了进一步证明HY-2卫星扫描微波辐射计亮温数据反演北极海冰漂移的能力，并验证高斯-拉普拉斯滤波的优越性，使用2012和2013年冬季(1-3月下旬，10月下旬至12月)HY-2卫星扫描微波辐射计37 GHz垂直极化亮温数据、SSMIS 37 GHz垂直极化亮温数据和SSMIS 91 GHz垂直极化亮温数据分别计算间隔14 d北极海冰漂移速度，读取同时段IFREMER利用SSMIS 91 GHz垂直极化亮温数据反演的间隔6 d海冰漂移速度产品，将两个日期首尾相连的数据平均，得到间隔12 d海冰漂移速度。将所得的4种海冰漂移速度结果分别用IABP浮标验证，得到表2和图3。为了使验证的数据量相同，选择相同或相近(相距15 km内)浮标对应的4种反演结果进行对比，得到191组匹配数据。

由表2可知，4种反演得到的海冰漂移速度大小和方向的均值都与对应浮标相近。结合表2和图3，使用HY-2卫星扫描微波辐射计和SSMIS 37 GHz垂直极化亮温分别反演的北极海冰漂移速度大小与浮标偏差的均方根为1.12 cm/s和1.16 cm/s，方向与浮标偏差的均方根为16.37°和15.63°，两者相差很小，证明了HY-2卫星扫描微波辐射计在探测海冰漂移方面的可行性。

图3 利用2012和2013年冬季亮温数据反演的北极海冰漂移速度大小和方向分别相对于浮标测量速度大小和方向Fig.3 Arctic sea ice drift retrieved from brightness temperature versus buoy ice speed and ice drift direction respectively during winter of 2012 and 2013a，b.HY-2卫星扫描微波辐射计37 GHz垂直极化; c，d.SSMIS 37 GHz垂直极化; e，f.SSMIS 91 GHz垂直极化; g，h.IFREMER SSMIS 91 GHz垂直极化a，b.HY-2 Satellite scanning microwave radiometer 37 GHz vertical polarization; c，d.SSMIS 37 GHz vertical polarization; e，f.SSMIS 91 GHz vertical polarization; g，h.IFREMER SSMIS 91 GHz vertical polarization

IFREMER用SSMIS 91 GHz垂直极化亮温反演的海冰漂移速度大小与方向与浮标偏差的均方根分别1.10 cm/s和15.54°，与HY-2卫星扫描微波辐射计反演海冰漂移速度与浮标比较结果相差小，即本文用低频资料得到了相近于IFREMER用高频资料获得的结果，这是因为在反演前用高斯拉普拉斯滤波器处理亮温数据，获得了很好的去噪效果。

为了进一步验证，使用与IFREMER相同的SSMIS 91 GHz垂直极化亮温数据，反演得到北极海冰漂移速度大小和方向与浮标偏差的均方根分别为0.77 cm/s和12.49°，低于IFREMER与浮标偏差的均方根1.10 cm/s和15.54°。

表2 亮温反演的北极海冰漂移速度和浮标的对比

美国冰雪中心海冰漂移数据也是一种广泛使用的海冰漂移数据产品，将其与HY-2卫星所得反演结果对比。将经过14 d平均后的2012年和2013年冬季期间NSIDC海冰漂移速度与浮标数据比较，选择相同或相近(相距15 km内)浮标对应的HY-2卫星海冰漂移速度进行对比，得到209组匹配数据。

由表3可知，匹配后的HY-2卫星、NSIDC反演海冰漂移速度大小的均值分别为5.45 cm/s和5.88 cm/s，与浮标5.58 cm/s相近，方向均值分别为221.01°和227.77°，也与浮标221.68°接近。结合表3和图4，HY-2卫星和NSIDC分别反演的北极海冰漂移速度大小与浮标偏差的均方根为2.38 cm/s和2.49 cm/s，方向与浮标偏差的均方根为36.47°和41.43°，两者相差小，且HY-2卫星反演结果略好，与上述验证结论也相同，即用低频数据，经过高斯拉普拉斯滤波和MCC方法，得到了相近于NSIDC用SSMIS高频数据反演的结果。

表3 亮温反演的北极海冰漂移速度和浮标的对比

图4 利用2012年和2013年冬季亮温数据反演的北极海冰漂移速度大小和方向分别相对于浮标测量速度大小和方向Fig.4 Arctic sea ice drift retrieved from brightness temperature versus buoy ice speed and ice drift direction respectively during winter of 2012 and 2013a，b.HY-2卫星扫描微波辐射计37 GHz垂直极化; c，d.NSIDC用SSMIS 91(37) GHz垂直和水平极化融合a，b.HY-2 Satellite scanning microwave radiometer 37 GHz vertical polarization; c，d. NSIDC SSMIS 91(37) GHz vertical and horizontal polarization merged

4 结论

首次利用HY-2卫星扫描微波辐射计37 GHz垂直极化亮温数据，通过MCC结合高斯-拉普拉斯滤波法，反演了间隔14 d的2012年和2013年冬季北极海冰漂移速度。并通过没有滤波、经过拉普拉斯滤波加中值滤波和经过高斯-拉普拉斯滤波的反演速度场图对比，说明滤波的重要性和高斯-拉普拉斯滤波的优越性。

利用HY-2卫星扫描微波辐射计37 GHz、SSMIS 37 GHz、SSMIS 91 GHz垂直极化亮温分别反演海冰漂移速度，读取IFREMER用SSMIS 91 GHz垂直极化亮温反演的海冰漂移速度，4种结果分别与浮标对比一致，证明了HY-2卫星扫描微波辐射计资料在探测北极海冰漂移方面的可行性。

将NSIDC海冰漂移速度产品单独与HY-2卫星反演结果比较，两者速度大小与浮标偏差的均方根分别为2.49 cm/s和2.38 cm/s，方向与浮标偏差的均方根为41.43°和36.47°，两者相差小，且HY-2卫星反演结果略好，即用低频数据，经过高斯拉普拉斯滤波和MCC方法，得到了相近于NSIDC用高频数据反演的结果。

为进一步证明在反演海冰漂移速度之前进行高斯拉普拉斯滤波能达到更好的去噪效果，使用SSMIS 91 GHz垂直极化亮温资料反演海冰漂移速度，与IFREMER用同样资料反演产品对比，两者速度大小与浮标偏差的均方根分别为0.77 cm/s和1.10 cm/s，速度方向与浮标偏差的均方根分别为12.49°和15.54°，发现使用高斯-拉普拉斯滤波后明显减小了均方根误差，体现了该滤波的重要性和价值。

因为与北极中央区域相比，格陵兰岛东侧的冰面积小，但数据分辨率低、模板面积大造成匹配不准确，使得这里的反演速度明显小于浮标速度，未来仍需改进算法。

致谢：感谢国家卫星海洋应用中心提供了HY-2卫星扫描微波辐射计网格化亮温数据，NSIDC提供了海冰密集度数据、经纬度数据、陆地数据、海岸线数据、IABP浮标海冰移动数据、海冰漂移速度反演数据，以及IFREMER提供了北极海冰漂移速度数据。

[1] Aagaard K， Swift J H， Carmack E C. Thermohaline circulation in the Arctic Mediterranean seas[J]. Journal of Geophysical Research， 1985， 90(C3): 4833-4846．

[2] Haarpaintner J. Arctic-wide operational sea ice drift from enhanced-resolution QuikScat/SeaWinds scatterometry and its validation[J]. IEEE Transactions on Geoscience & Remote Sensing， 2006， 44(1): 102-107．

[3] Haarpaintner J， Spreen G. Use of enhanced-resolution QuikSCAT/SeaWinds data for operational ice services and climate research: sea ice edge， type， concentration， and drift[J]. IEEE Transactions on Geoscience & Remote Sensing， 2007， 45(10): 3131-3137．

[4] Girard-Ardhuin F， Ezraty R. Enhanced Arctic sea ice drift estimation merging radiometer and scatterometer data[J]. IEEE Transactions on Geoscience and Remote Sensing， 2012， 50(7): 2639-2648．

[5] Ninnis R M， Emery W J， Collins M J. Automated extraction of pack ice motion from advanced very high resolution radiometer imagery[J]. Journal of Geophysical Research， 1986， 91(C9): 10725-10734．

[6] Peterson I K， Prinsenberg S J. Observations of sea ice drift off newfoundland using satellite imagery and ice beacons[C]//Geoscience and Remote Sensing Symposium， 1989. Igarss'89. Canadian Symposium on Remote Sensing. 1989 International. 1989: 2359-2362．

[7] Emery W J， Fowler C W， Hawkins J， et al. Fram Strait satellite image-derived ice motions[J]. Journal of Geophysical Research， 1991， 96(C3): 4751-4768．

[8] 黄润恒， 王强， 金振刚. 模板匹配法在遥感海冰位移上的应用[J]. 海洋学报， 1993， 15(1): 119-124．

Huang Runheng， Wang Qiang， Jin Zhengang. Application of maximum cross correlation on remote sensing of sea ice displacement[J]. Haiyang Xuebao， 1993， 15(1): 119-124．

[9] Kwok R， Schweiger A， Rothrock D A， et al. Sea ice motion from satellite passive microwave imagery assessed with ERS SAR and buoy motions[J]. Journal of Geophysical Research， 1998， 103(C4): 8191-8214．

[10] Liu A K， Cavalieri D J. On sea ice drift from the wavelet analysis of the Defense Meteorological Satellite Program (DMSP) Special Sensor Microwave Imager (SSM/I) data[J]. International Journal of Remote Sensing， 1998， 19(7): 1415-1423．

[11] Martin T， Augstein E. Large-scale drift of Arctic sea ice retrieved from passive microwave satellite data[J]. Journal of Geophysical Research， 2000， 105(C4): 8775-8788．

[12] Kwok R. Summer sea ice motion from the 18 GHz channel of AMSR-E and the exchange of sea ice between the Pacific and Atlantic sectors[J]. Geophysical Research Letters， 2008， 35(3): 144-151．

[13] Zhao Y， Liu A K. Arctic sea-ice motion and its relation to pressure field[J]. Journal of Oceanography， 2007， 63(3): 505-515．

[14] Leberl F， Farr T G. Study of Arctic sea ice drift from L-band synthetic aperture radar[J]. Photogrammetric Engineering & Remote Sensing， 1976， 42(6): 597-611．

[15] Leberl F， Raggam J， Elachi C， et al. Sea ice motion measurements from SEASAT SAR images[J]. Journal of Geophysical Research， 1983， 88(C3): 1915-1928．

[16] Curlander J C， Holt B， Hussey K J. Determination of sea ice motion using digital SAR imagery[J]. IEEE Journal of Oceanic Engineering， 1985， 10(4): 358-367．

[17] Collins M J， Emery W J. A computational method for estimating sea ice motion in sequential Seasat synthetic aperture radar imagery by matched filtering[J]. Journal of Geophysical Research， 1988， 93(C8): 9241-9251．

[18] 孙鹤泉， 孙延维， 王平让. 基于雷达海冰图像互相关的冰漂流场测量[J]. 海洋学报， 2003， 25(4): 135-141．

Sun Hequan， Sun Yanwei， Wang Pingrang. Measurement of ice drift based on cross-correlation of radar images[J]. Haiyang Xuebao， 2003， 25(4): 135-141．

[19] 邵若莉， 孙鹤泉， 孙延维， 等. 全场冰漂流测量技术研究[J]. 冰川冻土， 2003， 25(S2): 330-333．

Shao Ruoli， Sun Hequan， Sun Yanwei， et al. Study of full field measurement of ice drifting[J]. Journal of Glaciology and Geocryology， 2003， 25(S2): 330-333．

[20] Komarov A， Barber D. Detection of sea ice motion from co-and cross-polarization radarsat-2 images[J]. IEEE International Geoscience & Remote Sensing Symposium， 2012， 88(60): 3277-3280．

[21] 孙鹤泉， 李春花， 张志刚. 基于遥感图像分析的极区海冰漂移研究[J]. 海洋技术学报， 2015， 34(1): 10-14．

Sun Hequan， Li Chunhua， Zhang Zhigang. Study on the polar sea ice drift based on remote sensing image analysis[J]. Journal of Ocean Technology， 2015， 34(1): 10-14．

[22] Fily M， Rothrock D A. Sea ice tracking by nested correlations[J]. IEEE Transactions on Geoscience & Remote Sensing， 1987， GE-25(5): 570-580．

[23] 吴龙涛， 吴辉碇， 李万彪， 等. 渤海冰漂移对海面风场、潮流场的响应[J]. 海洋学报， 2005， 27(5): 15-21．

Wu Longtao， Wu Huiding， Li Wanbiao， et al. Sea ice drifts in response to winds and tide in the Bohai Sea[J]. Haiyang Xuebao， 2005， 27(5): 15-21．

[24] Kwok R， Curlande J C， Mcconnell R， et al. An ice-motion tracking system at the Alaska SAR facility[J]. IEEE Journal of Oceanic Engineering， 1990， 15(1): 44-54．

[25] Agnew T A， Le H， Hirose T. Estimation of large-scale sea-ice motion from SSM/I 85.5 GHz imagery[J]. Oceanographic Literature Review， 1998， 25: 305-311．

[26] Zhao Y， Liu A K， Long D G. Validation of sea ice motion from QuikSCAT with those from SSM/I and buoy[J]. IEEE Transactions on Geoscience & Remote Sensing， 2002， 40(6): 1241-1246．

[27] 国家卫星海洋应用中心. 中国海洋二号卫星专题[EB/OL]. 2011-08-16.http://www.nsoas.gov.cn/HY2AZhuanti/HY2A/hy202.html．

National Satellite Ocean Application Service. China Haiyang-2 satellite subject[EB/OL]. 2011-08-16.http://www.nsoas.gov.cn/HY2AZhuanti/HY2A/hy202.html．

[28] 张翔， 王振占， 谌华. 一种利用HY-2卫星扫描微波辐射计数据反演极地海冰密集度的算法[J]. 遥感技术与应用， 2012， 27(6): 912-918．

Zhang Xiang， Wang Zhenzhan， Shen Hua. A sea ice concentration algorithm based on HY-2 scanning radiometer data[J]. Remote Sensing Technology and Application， 2012， 27(6): 912-918．

[29] Marr D， Hildreth E. Theory of edge detection[J]. Proceedings of the Royal Society B: Biological Sciences， 1980， 207(1167): 187-217．

[30] 严国萍， 何俊峰. 高斯-拉普拉斯边缘检测算子的扩展研究[J]. 华中科技大学学报(自然科学版)， 2006， 34(10): 21-23．

Yan Guoping， He Junfeng. Extended Laplacian of Gaussian operator for edge detection[J]. Journal of Huazhong University of Science & Technology (Nature Science Edition) ， 2006， 34(10): 21-23．

[31] Gonzalez R C， Woods R E. 数字图像处理[M]. 第二版. 北京: 电子工业出版社， 2003．

Gonzalez R C， Woods R E. Digital Image Processing[M]. 2nd ed. Beijing: Publishing House of Electronics Industry Press， 2003．

[32] 张建勇， 高冉， 胡骏， 等. 灰色关联度和Pearson相关系数的应用比较[J]. 赤峰学院学报(自然科学版)， 2014， 30(11): 1-2．

Zhang Jianyong， Gao Ran， Hu Jun， et al. Comparison of grey correlation degree and Pearson correlation coefficient[J]. Journal of Chifeng University (Natural Science Edition) ， 2014， 30(11): 1-2．

Retrieval of Arctic sea ice drift using HY-2 Satellite scanning microwave radiometer data

Wang Liya1， He Yijun1， Zhang Biao1， Liu Baochang1

(1.SchoolofMarineSciences，NanjingUniversityofInformationScienceandTechnology，Nanjing210044，China)

In order to retrieve Arctic sea ice drift maps， the maximum cross correlation (MCC) method is applied to the 37 GHz vertically polarized brightness temperature data taken from the scanning microwave radiometer onboard the HY-2 Satellite of China. A validation of our sea-ice drift products during winters 2012 and 2013 with the IABP buoys shows a good accuracy， with the root mean square errors in ice drift speed and ice drift direction being 1.12 cm/s and 16.37°， respectively， thus demonstrating the practicability of the brightness temperature data from HY-2 Satellite scanning microwave radiometer in retrieving sea ice motion. Using the 91 GHz vertically polarized brightness temperature data from Special Sensor Microwave Imager/Sounder radiometers onboard the Defense Meteorological Satellite Program, and employing a Laplacian of the Gaussian filter, the sea ice drift production obtained by MCC method are found to be better in quality than those obtained by French Research Institute for Exploitation of the Sea.

maximum cross correlation method; microwave radiometer; Arctic sea ice drift

10.3969/j.issn.0253-4193.2017.09.011

2016-10-11；

2016-12-02。

国家自然科学基金(41576173，41620104003)；国家自然科学基金青年科学基金项目(41606201)；江苏省优势学科二期。

王利亚(1993—)，女，内蒙古自治区巴彦淖尔市人，主要从事遥感反演北极海冰漂移速度研究。E-mail:wangliya7@163.com

*通信作者：张彪，教授，主要从事海洋微波遥感、海洋数值模拟与同化研究。E-mail:zhangbiao@nuist.edu.cn

P731.15；TP79

A

0253-4193(2017)07-0110-11

王利亚， 何宜军， 张彪， 等. HY-2卫星扫描微波辐射计数据反演北极海冰漂移速度[J]. 海洋学报， 2017， 39(9): 110-120，

Wang Liya， He Yijun， Zhang Biao， et al. Retrieval of Arctic sea ice drift using HY-2 Satellite scanning microwave radiometer data[J]. Haiyang Xuebao， 2017， 39(9): 110-120， doi：10.3969/j.issn.0253-4193.2017.09.011